最近的一项研究表明，与形状和质量相似但处于人烟稀少地区的星系相比，周围邻居较多的星系通常体型较大。研究团队利用机器学习算法剖析了数百万个星系，发现宇宙中密集区域的星系可能比孤立星系大最多25%。这些结果阐明了天体物理学家之间关于星系大小与其周围环境之间关系的持续争论，同时也提出了关于星系形成和发展过程的新问题，这些过程跨越数十亿年。
多年来，科学家们认识到，某些星系生活在邻近星系密集的环境中，而另一些星系则在宇宙中大部分时间独自漂浮，周围几乎没有伴随的星系。
最近的一项研究确定了这些不同环境中星系之间的显著区别：邻近星系较多的星系往往比其形状和质量相似的、位于人烟稀少空间中的星系要大。在8月14日发表在《天体物理学杂志》上的一篇论文中，华盛顿大学、耶鲁大学、德国波茨坦莱布尼茨天体物理研究所以及日本早稻田大学的研究人员指出，位于更加密集的宇宙区域的星系可能比孤立星系大多达25%。
这项研究利用新开发的机器学习工具分析了数百万个星系，揭示了一个长期争议的问题：星系的大小与其周围环境之间的相互关系。此外，发现的新观察结果还引发了关于星系起源与发展的问题，时间尺度极大。
“目前关于星系形成和演化的理论未能充分解释星系在星团中比孤立地区的星系更大的观察结果，”首席作者Aritra Ghosh，华盛顿大学天文学的博士后研究员和华盛顿大学DiRAC研究所的LSST-DA Catalyst Fellow解释说。“这一天体物理学方面特别引人入胜；理论预测与我们实际观察之间可能存在差异。当这种情况发生时，我们会重新审视我们的理论，以使其与这些观察结果更为一致。”
先前对星系大小与其环境之间关系的研究结果不一。有些研究表明，星团中的星系比孤立星系更小，而其他研究得出了相反的结论。一般来说，这些早期研究的规模较小，专注于数百或数千个星系。
与此相反，Ghosh和他的团队使用了基于夏威夷的 Subaru 望远镜获得的数百万个星系的数据。这个项目被称为超宽视场相机（Hyper Suprime-Cam） Subaru 战略计划，生成了大量星系的高分辨率图像。研究人员选择了大约300万个数据最为可靠的星系，并应用机器学习算法来估算每个星系的大小。然后，他们定义了一个半径为3000万光年的圆圈，围绕每个星系来代表其直接环境，探索一个简单的问题：这个圆圈内有多少个邻近星系？
这一分析揭示了一个明确的趋势：邻居星系较多的星系平均而言较大。
有多种解释可以说明这一现象。可能是密集区域的星系起初就较大，或者更倾向于与附近星系有效合并。暗物质，作为构成宇宙大部分质量的难以捉摸的物质，可能也在其中发挥作用。星系在各自的“晕”内形成，而这些晕的引力影响对星系的演化产生重要影响。
“要明确理解为何更为聚集的星系往往较大，理论天体物理学家需要通过模拟进行全面的研究，”Ghosh说。“目前，我们可以自信地断言，星系的环境与其大小之间存在相关性。”
超宽视场相机（Hyper Suprime-Cam） Subaru 战略计划提供的大数据集，使得团队对他们的发现更加明确。然而，这只是分析的部分内容。他们用来确定每个星系大小的创新机器学习工具有效地解决了在大小测量中固有的不确定性。
“在这项研究之前，我们学到的一个重要教训是，解决此类问题需要的不仅是调查大量星系，还需进行详细的统计分析。这部分内容涉及利用能够准确评估星系特征测量不确定性的机器学习工具，”Ghosh指出。
他们采用的机器学习系统被称为GaMPEN，意为星系形态后验估计网络。Ghosh在耶鲁大学的博士研究期间主导了GaMPEN的开发，并在2022年和2023年发表的《天体物理学杂志》论文中进行了介绍。Ghosh表示，这一工具可以在线访问，并可能被调整用于分析其他大规模调查。
虽然这项研究集中在星系上，但也暗示了一种即将彻底改变天文学领域的研究类型——这种研究基于对庞大数据集的细致分析。一旦配备强大相机的新一代望远镜，例如位于智利的 Vera C. Rubin 天文台开始运行，它们将夜间收集巨量的宇宙数据。为此，科学家们一直在开发创新的工具，例如GaMPEN，以利用这些大数据集解决重要的天体物理学问题。
“不久之后，大数据集将在天文学中成为普遍现象，”Ghosh表示。“这项研究展示了在适当的分析工具到位时，能够利用它们实现的成果。”
该研究的共同作者包括耶鲁大学的物理学和天文学教授Meg Urry；莱布尼茨研究所的研究员Meredith Powell；早稻田大学的副教授Rhythm Shimakawa；耶鲁大学的天文学教授Frank van den Bosch；耶鲁大学的物理学和天文学教授Daisuke Nagai；耶鲁大学的博士生Kaustav Mitra；以及华盛顿大学的天文学教授Andrew Connolly，他也是DiRAC研究所和eScience研究所的教职员工。该研究获得了美国国家航空航天局（NASA）、耶鲁大学研究生院、约翰·坦普尔顿基金会、查尔斯和丽莎·西蒙尼基金会、华盛顿研究基金会和华盛顿大学eScience研究所的资助。
